بهینه سازی مدل شبکه عصبی موجک فازی برای شناسایی سیستم
محل انتشار: هشتمین کنفرانس ملی مهندسی برق و الکترونیک ایران
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 626
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEEE08_188
تاریخ نمایه سازی: 11 مرداد 1396
چکیده مقاله:
این تحقیق از یک مدل شعاعی شبکه عصبی موجک فازی RFWNN برای شناسایی سیستمهای دینامیکی غیرخطی استفاده م یکند. مدل RFWNN به کار گرفته شده از سیستم فازی سنتی TSK Kang-Sugeno-Takagi با جایگزین کردن قسمت THEN قوانین فازی با توابع موجک به دست میآید. در قسمت تالی هر قانون، تابع شعاعی موجک کلاه مکزیکی Wavelet Hat Mexican به کار گرفته می شود. به منظور یافتن مقادیر بهینه برای پارامترهای نامشخص مدل RFWNN از الگوریتم آموزشی AWPSO به کار گرفته می شود. برای مقایسه کارایی و عملکرد مدل RFWNN و همچنین مقایسه الگوریتم این تحقیق با سایر مدل ها ی شناخته شده در مقالات مثالهای شبیهسازی ارایه میشوند.
کلیدواژه ها:
نویسندگان
محمدهادی ریحان فرد
دانشکده مهندسی برق دانشگاه آزاد اسلامی واحد تهران جنوب تهران، ایران
مهدی علیاری شوره دلی
دانشکده مهندسی برق دانشگاه صنعتی خواجه نصیرالدین طوسی تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :